Controllo Statistico della Qualità
|
|
- Ilaria Cavaliere
- 8 anni fa
- Visualizzazioni
Transcript
1 Controllo Statistico della Qualità Dispense distribuite in classe a.a. 2006/2007 Luca Scrucca Dipartimento di Economia, Finanza e Statistica Sezione di Statistica Università degli Studi di Perugia luca@stat.unipg.it Ultima modifica: 4 ottobre 2006
2 Esempio: viscosità inchiostro Un responsabile di produzione tiene sotto osservazione la viscosità dell inchiostro prodotto da un processo chimico. La viscosità è misurata con un viscosimetro e l unità di misura è il cetipoide. > x = c(40,50,43,70,60,65,78,52,35,73,72,30,79,63,80,45,42,56,33,32) > n = length(x) 20 > summary(x) Min. 1st Qu. Median Mean 3rd Qu. Max > sd(x) [1] > sd(x)/abs(mean(x)) [1] > b = c(20,30,40,50,60,70,80) > xc = cut(x, breaks=b) > tab = table(xc) > tab = cbind("freq" = tab, "Freq Cum" = cumsum(tab), "Freq Rel" = tab/sum(tab), "Freq Rel Cum" = cumsum(tab)/sum(tab)) > print(tab) Freq Freq Cum Freq Rel Freq Rel Cum (20,30] (30,40] (40,50] (50,60] (60,70] (70,80] > hist(x, breaks=c(20,30,40,50,60,70,80), xlab="viscosità", main="istogramma: classi uguale ampiezza") > h = hist(x, breaks=c(20,35,50,60,80), xlab="viscosità", main="istogramma: classi diversa ampiezza") > str(h) List of 7 $ breaks : num [1:5] $ counts : int [1:4] $ intensities: num [1:4] $ density : num [1:4] $ mids : num [1:4] $ xname : chr "x" $ equidist : logi FALSE - attr(*, "class")= chr "histogram" > diff(h$breaks) * h$density * n [1]
3 Istogramma: classi uguale ampiezza Istogramma: classi diversa ampiezza Frequency Density viscosità viscosità Esempio: percentuale acetone (Messina, 1991, pag ) Il responsabile di produzione di un impianto di produzione chimica per valutare la produzione di acetone tiene sotto controllo la variabile chiave del processo, la percentuale di acetone. I dati sono raccolti misurando la percentuale di acetone per i lotti prodotti durante una settimana. > x = c(6, 24, 12, 11, 34, 32, 28, 19, 31, 22, 29, 58, 15, 5, 17, 25) > summary(x) Min. 1st Qu. Median Mean 3rd Qu. Max > bxp <- boxplot(x, ylab="percentuale di acetone", main="boxplot") > axis(2, at=seq(0,60,by=5)) > text(1,bxp$out,paste("x(",which(x==bxp$out),") = ",bxp$out,sep=""), pos=4, offset=1) Esempio: spessore di una lamina Un processo produttivo genera lamine in acciaio su due linee di produzione. Si è interessati a valutare se le due linee di produzione funzionano allo stesso modo. A tal fine si ottengono 50 misurazioni per ciascuna linea e si pongono a confronto. > set.seed(1234) # "seme" di partenza per dati simulati > x1 = round(rnorm(50, 10, 1/2), 1) > x2 = round(9+rchisq(50, 2), 1) > summary(cbind(x1,x2)) x1 x2 Min. : Min. : st Qu.: st Qu.: 9.50 Median : Median :10.25 Mean : Mean : rd Qu.: rd Qu.:11.25 Max. : Max. :18.80 > boxplot(list(x1,x2), main="side-by-side Boxplot", ylab="spessore lamina (mm)", xlab="linea di produzione") > mean(x1) [1] > sd(x1) [1] > mean(x2) 2
4 [1] > sd(x2) [1] > t.test(x1, x2, alternative = "two.sided", # "less", "greater" mu = 0, var.equal = TRUE, conf.level = 0.95) Two Sample t-test data: x1 and x2 t = , df = 98, p-value = alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean of x mean of y > t.test(x1, x2, alternative = "two.sided", # "less", "greater" mu = 0, var.equal = FALSE, conf.level = 0.95) Welch Two Sample t-test data: x1 and x2 t = , df = , p-value = alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean of x mean of y Boxplot Side by side Boxplot Percentuale di acetone X(12) = 58 Spessore lamina (mm) linea di produzione 3
5 Esempio: saldatura ad onda (Messina, 1991, pag , 35 38) Si consideri un processo di saldatura ad onda in cui si voglia migliorare la qualità di una linea di produzione. Nel corso di una settimana in cui sono stati fabbricati 2000 circuiti stampati PCB, 800 di questi presentano difetti così distribuiti: > difetti = as.table(c(440, 120, 80, 64, 56, 40)) > names(difetti) = c("saldante insuff.", "Bolle d aria", "Non deossidanti", "Non saldanti", "Punte di spillo", "Cortocircuiti") > difetti Saldante insuff. Bolle d aria Non deossidanti Non saldanti Punte di spillo Cortocircuiti > library(qcc) > pareto.chart(difetti, ylab = "Frequenze assolute difetti", ylim=c(0,820)) Pareto Chart analysis for difetti Frequency Cum.Freq. Percentage Cum.Percent. Saldante insuff Bolle d aria Non deossidanti Non saldanti Punte di spillo Cortocircuiti > mtext("(prima del cambiamento di processo)", side=3, line=0.5) > difetti2 = as.table(c(180, 40, 35, 25, 15, 5)) > names(difetti2) = names(difetti) > difetti2 Saldante insuff. Bolle d aria Non deossidanti Non saldanti Punte di spillo Cortocircuiti 15 5 > pareto.chart(difetti2, ylab = "Frequenze assolute difetti", ylim=c(0,820)) Pareto Chart analysis for difetti2 Frequency Cum.Freq. Percentage Cum.Percent. Saldante insuff Bolle d aria Non deossidanti Non saldanti Punte di spillo Cortocircuiti > mtext("(dopo il cambiamento di processo)", side=3, line=0.5) 4
6 Frequenze assolute difetti Pareto Chart for difetti (prima del cambiamento di processo) 0% 25% 50% 75% 100% Saldante insuff. Bolle d'aria Non deossidanti Cumulative Percentage Non saldanti Punte di spillo Frequenze assolute difetti Cortocircuiti Pareto Chart for difetti2 (dopo il cambiamento di processo) Saldante insuff. Bolle d'aria Non deossidanti Non saldanti Punte di spillo Cortocircuiti 0% 50% 100% Cumulative Percentage Esempio: saldatura a bagno d onda (continua) Durante un operazione di saldatura a bagno d onda che interviene in fase di fabbricazione di una piastra di circuito stampato, il numero di gocce di saldante viene tenuto sotto osservazione. Il corrispondente diagramma di causa ed effetto è il seguente: > library(qcc) > cause = list(macchina=c("velocità nastro", "Manutenzione"), Saldante=c("Temperatura", "Altezza dell onda", "Onda noin nota", "Fludità", "Tempo di contatto"), Flusso=c("Quantitativo", "Gravità specifica"), Componenti=c("Orientazione", "Saldabilità", "Connettori sporchi"), Preriscaldamento=c("Tempo", "Temperatura")) > cause.and.effect(cause, effect=paste("gocce di saldante"), title = "Diagramma di causa ed effetto") 5
7 Diagramma di causa ed effetto Macchina Saldante Flusso Velocità nastro Manutenzione Temperatura Quantitativo Altezza dell'onda Gravità specifica Onda noin nota Fludità Tempo di contatto Gocce di saldante Connettori sporchi Saldabilità Temperatura Orientazione Tempo Componenti Preriscaldamento Esempio: carico di rottura di una fibra sintetica Si consideri le seguenti misurazioni ottenute da un campione casuale inerenti il carico di rottura a trazione di una fibra sintetica: > x = c(48.99, 52.07, 49.29, 51.66, 52.16, 49.72, 48, 49.96, 49.2, 48.1, 47.9, 46.94, 51.76, 50.75, 49.86, 51.57) > mean(x) [1] > var(x) [1] > length(x) [1] 16 > t.test(x, alternative="two.sided", mu=50) One Sample t-test data: x t = , df = 15, p-value = alternative hypothesis: true mean is not equal to percent confidence interval: sample estimates: mean of x > (mean(x)-50)/sqrt(var(x)/length(x)) [1] > qt(0.975, df=15) # livello critico del test α = 0.05 [1] > pt( , df=15)*2 # p-value [1] Esempio: durata di un catalizzatore in una reazione chimica: Si consideri la durata in minuti di un catalizzatore impiegato 6
8 > x = c(1176, 1191, 1214, 1220, 1205, 1192, 1201, 1190, 1183, 1185) > qqnorm(x) > qqline(x) > shapiro.test(x) Shapiro-Wilk normality test data: x W = , p-value = Normal Q Q Plot Sample Quantiles Theoretical Quantiles Esempio: tempo di trasporto del metallo fuso Il metallo fuso è trasportato su rotaia dall altoforno all acciaieria. Il tempo di trasporto (in minuti) è stato misurato per 31 colate consecutive: > x = c(10, 14, 15, 16, 19, 20, 16, 18, 23, 20, 24, 21, 19, 21, 19, 22, 34, 27, 16, 25, 34, 32, 36, 38, 43, 55, 56, 58, 52, 51, 77) > par(mfrow=c(2,2)) > hist(x) > qqnorm(x); qqline(x) > boxcox(lm(x~1), lambda=seq(-2,2,by=0.1)) > x1 = 1/x > qqnorm(x1); qqline(x1) > shapiro.test(x) Shapiro-Wilk normality test data: x W = , p-value = > shapiro.test(x1) Shapiro-Wilk normality test data: x1 W = , p-value =
9 Esempio: calcolo di una curva della caratteristica operativa d <- seq(0,5,by=0.1) prob.errorii <- function(d,n) pnorm(1.96-d*sqrt(n))-pnorm(-1.96-d*sqrt(n)) plot(d, prob.errorii(d,1), type="l", ylim=c(0,1), xaxs="i", xlab=expression(paste("d = ", abs( delta )/sigma)), ylab=expression(beta), main="curve della caratteristica operativa") lines(d, prob.errorii(d,2), lty=2, col=2) lines(d, prob.errorii(d,3), lty=3, col=3) lines(d, prob.errorii(d,5), lty=4, col=4) lines(d, prob.errorii(d,10), lty=5, col=5) lines(d, prob.errorii(d,20), lty=6, col=6) legend(3,1, c("n=1", "n=2", "n=3", "n=5", "n=10", "n=20"), lty=1:6, col=1:6) 8
10 Curve della caratteristica operativa β n=1 n=2 n=3 n=5 n=10 n= d = δ σ 9
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliUso elementare di R in Statistica G. Marchetti
Uso elementare di R in Statistica G. Marchetti Lezione 1 Introduzione R è un ambiente statistico di pubblico dominio. Il software è libero e può essere scaricato dal sito https: //cran.r-project.org/.
DettagliLaboratorio di ST1 Lezione 2
Laboratorio di ST1 Lezione 2 Claudia Abundo Dipartimento di Matematica Università degli Studi Roma Tre Frequenze in R ESEMPIO Fiori preferiti da n=6 ragazze In R: fiori=c("rosa", "orchidea", "violetta",
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi Corso di laurea in Informatica e Bioinformatica 8 VERIFICA DI IPOTESI LA VERIFICA DI IPOTESI Una delle applicazioni
DettagliMetodi statistici per la ricerca sociale Confronto tra Due Gruppi in
Metodi statistici per la ricerca sociale Confronto tra Due Gruppi in Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze mattei@disia.unifi.it
DettagliTest delle ipotesi statistiche
indice di posizione indici di variabilità principali var statistiche verifica di ipotesi introduzione (come si costruisce un test) test parametrici e non parametrici regressione? Test delle ipotesi statistiche
DettagliProva scritta di Affidabilità dei sistemi e Controllo statistico di qualità. 11 Giugno 2014
Prova scritta di Affidabilità dei sistemi e Controllo statistico di qualità 11 Giugno 2014 1. Supponiamo che un sistema sia formato da 3 blocchi connessi in parallelo. Il tempo di vita del sistema A è
Dettaglinumber of successes, or a vector of length 2 giving the numbers of successes and failures, respectively.
Quesito 1. Under (the assumption of) simple Mendelian inheritance, a cross between plants of two particular genotypes produces progeny 1/4 of which are dwarf and 3/4 of which are giant, respectively. In
DettagliDipartimento di Scienze politiche, della comunicazione e delle relazioni internazionali - a.a. 2013-2014
Dipartimento di Scienze politiche, della comunicazione e delle relazioni internazionali - a.a. 2013-2014 Il boxplot o diagramma a scatola e baffi, è un grafico, utilizzato per la rappresentazione di variabili
DettagliEsercitazioni. a. Discreta, quantitativa numerica; b. nominale; c. quantitativa rapporto; d. nominale; e. nominale
Esercitazioni 1. Per ognuna delle seguenti variabili dire di che tipo di variabile si tratta e la scala di misura di riferimento: a. Numero di telefoni per famiglia. b. Tipo di telefono usato principalmente.
DettagliMetodi statistici e probabilistici per l ingegneria. Corso di Laurea in Ingegneria Civile A.A. 2009-10. Facoltà di Ingegneria. Università di Padova
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 29- Facoltà di Ingegneria Università di Padova Docente: Dott. L. Corain ESERCIZIO (TEST AD UN CAMPIONE) Un
DettagliDai dati al modello teorico
Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere
DettagliL ambiente grafico di R
L ambiente grafico di R Giorgio Valentini e mail: valentini@dsi.unimi.it DSI Dipartimento di Scienze dell Informazione Università degli Studi di Milano 1 Rappresentazioni grafiche in R Il linguaggio R
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliUniversità del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza
Università del Piemonte Orientale Corsi di Specialità Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in biotecnologie
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliTestare differenze tra gruppi: la Anova
Testare differenze tra gruppi: la Anova Massimo Borelli May 5, 2014 Massimo Borelli () Testare differenze tra gruppi: la Anova May 5, 2014 1 / 25 il dataset Table: il dataset tooth (N = 69). gender il1b
DettagliTest d ipotesi sulla media
Test d ipotesi sulla media Silvia Parolo 12 December 2014 Riassumendo l esercitazione precedente Nella lezione precedente abbiamo visto che la media campionaria può essere un buon stimatore del valore
DettagliELEMENTI DI STATISTICA DESCRITTIVA
Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliTest d ipotesi sulla media
Test d ipotesi sulla media Monica Marabelli 4 Dicembre 2015 Riassumendo l esercitazione precedente Nella lezione precedente abbiamo visto che la media campionaria puó essere un buon stimatore del valore
DettagliIntroduzione all Analisi Esplorativa dei Dati mediante R 1
Introduzione all Analisi Esplorativa dei Dati mediante R 1 Giovanna Menardi Giovanna.Menardi@econ.units.it A.A. 2008/2009 1 Materiale liberamente tratto da appunti a cura di M. Trevisani. Menardi Lezione
DettagliPROVA SCRITTA DI AFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA 9 Maggio 2014
PROVA SCRITTA DI AFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA 9 Maggio 2014 1. Le funzioni di perdita sono di tipo NB stocastico. Il coefficiente K è 1,8 ottenuto dal costo previsto per la
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliAPPENDICE A: Tabella Process Sigma (I)
APPENDICE A: Tabella Process Sigma (I) 203 APPENDICE A: Tabella Process Sigma (II) 204 APPENDICE B: Tipologie di variabili Lo schema sottostante è utile per la corretta scelta degli indicatori durante
DettagliSCHEMA 0 STORIA. Schema certificativo CP003 0.1 DOCUMENTI ESTERNI DI RIFERIMENTO
SCHEMA per la certificazione del controllo della produzione in fabbrica ai fini della marcatura CE dei prodotti laminati a caldo di acciai per impieghi strutturali di cui alla norma UNI EN 10025-1, edizione
DettagliStatistica descrittiva univariata
Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si
DettagliEsercizio 1 Istogrammi
ESERCIZI DI CONTROLLO QUALITÀ Esercizio 1 Istogrammi Viene controllata una dimensione di un particolare meccanico, campionando 5 esemplari. Le misure danno i seguenti risultati (in mm): 1, 11, 1, 1, 11,9
DettagliSTUDIO DELLA FLUIDITÀ DI LEGHE DI ALLUMINIO PER LA COLATA IN STAMPO PERMANENTE
UNIVERSITÀ DEGLI STUDI DI BRESCIA DIPARTIMENTO DI MECCANICA INDUSTRIALE STUDIO DELLA FLUIDITÀ DI LEGHE DI ALLUMINIO PER LA COLATA IN STAMPO PERMANENTE Relatore: Prof.ssa Ing. ANNALISA POLA Correlatore:
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliVOTI ESERCIZIO 1. In Tabella 1 è mostrato l insieme dei 31 voti del primo appello dell esame scritto di cinese.
VOTI ESERCIZIO 1 In Tabella 1 è mostrato l insieme dei 31 del primo appello dell esame scritto di cinese. 20, 26, 25, 26, 28, 24, 30, 27, 25, 23, 28, 22, 20, 25, 25, 21, 22, 24, 22, 29, 29, 23, 27, 25,
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliLaboratorio di Statistica con R
Laboratorio di Statistica con R R è un vero e proprio linguaggio di programmazione. Il suo nome, è dovuto probabilmente al nome dei suoi sviluppatori:robert Gentleman e Ross Ihaka Le principali funzioni
DettagliC) DIAGRAMMA A SETTORI
C) DIAGRAMMA A SETTORI Procedura: Determinare la percentuale per ciascuna categoria Convertire i valori percentuali in gradi d angolo Disegnare un cerchio e tracciare i settori Contrassegnare i settori
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliFILIERA PRODUTTIVA COMPLETA
2 FILIERA PRODUTTIVA COMPLETA TRATTAMENTO TERMICO LAVORAZIONI MECCANICHE LAMINAZIONE VERNICIATURA PRODUZIONE ACCIAIO MAGAZZINO L unione tra Esti e Acciaierie Venete ha dato luogo ad una nuova realtà, unica
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliTrattamenti termici degli acciai al carbonio
Trattamenti termici Il trattamento termico è una lavorazione attuata mediante un ciclo termico, su un metallo o una sua lega, allo stato solido, al fine di variarne le proprietà e renderle adatte alla
DettagliIN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza
IN MATLAB distribuzione di frequenza 2-1 4. Usare la function histc(dati,x) 2-2 1. Riportare i dati in un file (ad esempio dati.mat); 2. load ascii dati: viene creata una variabile dati contenente il campione;
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
DettagliEsempio di introduzione. della statistica a scuola
1 Esempio di introduzione della statistica a scuola 2 3 4 5 RAPPRESENTAZIONE GRAFICA (EXCEL) IMPARARE A DEDURRE E IPOTIZZARE DAI VARI TIPI DI GRAFICI 6 La rappresentazione grafica: impariamo a rappresentare
DettagliL analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt
L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se
DettagliTrasportatori a nastro
Trasportatori a nastro Realizzano un trasporto di tipo continuo, in orizzontale o in pendenza, di materiali alla rinfusa e di carichi concentrati leggeri. incastellatura di sostegno Trasporti interni 1
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliStatistica. Le rappresentazioni grafiche
Statistica Le rappresentazioni grafiche Introduzione Le rappresentazioni grafiche costituiscono uno dei mezzi più efficaci, sia per descrivere in forma visiva i risultati di numerose osservazioni riguardanti
DettagliLABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliStatistica per l azienda 19.06.2014 (1)
Statistica per l azienda 19.06.2014 (1) COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato
Dettaglistima per intervallo
stima per intervallo intervalli di fiducia confidence interval una affermazione come questa: CI(95%): lim inf < µ < lim sup p = 0.95 che la media della popolazione sia compresa nell intervallo fra lim
Dettagli(25 min) Esercizio 1. 1a) Vedi libro e appunti del corso.
(5 min) Esercizio 1 1) Con una scheda di acquisizione dati, con dinamica d ingresso bipolare, si devono misurare i seguenti segnali su un circuito: V 1 tensione di alimentazione di una connessione USB
DettagliPIANO CONTROLLO QUALITÀ DEL CALCESTRUZZO
DIPARTIMENTO DEL TERRITORIO DIVISIONE DELLE COSTRUZIONI AREA DEL SUPPORTO E DEL COORDINAMENTO CASELLA POSTALE 0-0 BELLINZONA PIANO CONTROLLO QUALITÀ DEL CALCESTRUZZO Pagina di 0 Edizione: 0.09.0 DIPARTIMENTO
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
Dettagli> d = alimentazione == "benz" > mean(percorr.urbana[!d]) - mean(percorr.urbana[d]) [1] 2.385627. > sd(percorr.urbana[d]) [1] 2.
A questo punto vale la pena di soffermarci di più sull alimentazione. Intanto cerchiamo di indagare se l alimentazione è davvero un fattore significativo per la percorrenza come è luogo comune pensare.
DettagliEsercitazione n.4 Inferenza su varianza
Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliAcciaio per lavorazioni a caldo
Acciaio per lavorazioni a caldo Generalità BeyLos 2329 è un acciaio legato progettato per la realizzazione di matrici, stampi o punzoni o altri particolari che devono lavorare a temperature elevate. I
DettagliIntroduzione all Inferenza Statistica
Introduzione all Inferenza Statistica Fabrizio Cipollini Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) G. Parenti Università di Firenze Firenze, 3 Febbraio 2015 Introduzione Casi di studio
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi 8 ESERCIZI DI RIPASSO FINALE 1 - STATISTICA DESCRITTIVA LAUREATI ESERCIZIO 1: La seguente tabella riporta il
DettagliValidazione dei modelli Strumenti quantitativi per la gestione
Validazione dei modelli Strumenti quantitativi per la gestione Emanuele Taufer Validazione dei modelli Il data set Auto I dati Il problema analizzato Validation set approach Diagramma a dispersione Test
DettagliReliability & Minitab Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt pgrole@yahoo.it
Reliability & Minitab Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt pgrole@yahoo.it Il linguaggio e i concetti dell affidabilità I miglioramenti della qualità dei prodotti hanno solitamente
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliDomanda di autorizzazione alle emissioni in atmosfera ai sensi dell art. 269, D.lgs. 152/2006 (stabilimenti anteriori al 2006).
Marca da Al SUAP del Comune di Bollo Domanda di autorizzazione alle emissioni in atmosfera ai sensi dell art. 269, D.lgs. 152/2006 (stabilimenti anteriori al 2006). Il/la sottoscritto/a nato/a a il residente
DettagliALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.
ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite
DettagliANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI
ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA
DettagliTRASMETTITORE TX-FM-MID/EN
TRASMETTITORE TX-FM-MID/EN Il TX-FM-MID/EN è un modulo trasmettitore di dati digitali con modulazione FSK. PIN-OUT 10 1 CONNESSIONI Pin 1 TX Dati Ingresso dati con resistenza di ingresso di 50 kω minimi.
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica e Biometria Statistica descrittiva 1 Statistica Funzioni Descrittiva Induttiva (inferenziale) Statistica
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliLaboratorio di Progettazione 3M B. Fisica Tecnica. Calcolo del Fattore medio di luce diurna
Laboratorio di Progettazione 3M B Fisica Tecnica Calcolo del Fattore medio di luce diurna Università degli Studi di Roma Tre Facoltà d Architettura A.A. 2011-2012 Il fattore di luce diurna Il Fattore di
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliAppunti relativi a Lab4
Appunti relativi a Lab4 ESEMPIO 1 Sia (X 1,, X n ) un campione aleatorio estratto da una variabile aleatoria X Exp(λ) e sia (x 1,, x n ) una sua realizzazione campionaria contenuta nel vettore oss > set.seed(5)
Dettagli> RSS <- c(rs,ss) Per avere un idea di come sono distribuiti i dati (simmetria, dispersione... ):
Laboratorio 7 Test t di Student 7.1 Analisi del dataset FRUITFLY.DAT I dati fruitfly.dat si riferiscono alla fecondità dei moschini della frutta, valutata come numero medio giornaliero di uova prodotte
DettagliProduct note Migrazione da Emax ad Emax 2 mantenendo la certificazione in base alle norme serie IEC 61439 per i quadri di bassa tensione
Product note Migrazione da Emax ad Emax 2 mantenendo la certificazione in base alle norme serie IEC 61439 per i quadri di bassa tensione Generalità SACE Emax 2 è il nuovo interruttore aperto di ABB SACE
DettagliStatistica 4038 (ver. 1.2)
Statistica 4038 (ver. 1.2) Software didattico per l insegnamento della Statistica SERGIO VENTURINI, MAURIZIO POLI i Il presente software è utilizzato come supporto alla didattica nel corso di Statistica
DettagliPrefazione all edizione originale. Prefazione all edizione italiana
Indice Prefazione all edizione originale Prefazione all edizione italiana xiii xv 1 Il miglioramento della qualità nel moderno ambiente produttivo 1 1.1 Significato dei termini qualità e miglioramento
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliSCHEMA 0 STORIA. Schema certificativo CP004 0.1 DOCUMENTI ESTERNI DI RIFERIMENTO
SCHEMA per la certificazione del controllo della produzione in fabbrica ai fini della marcatura CE dei profilati cavi di acciai non legati e a grano fine per impieghi strutturali di cui alle norme UNI
DettagliMACCHINE E SERVIZI PER IL CONFEZIONAMENTO IN BLISTER CHE OFFRONO FLESSIBILITÀ E IMBALLI IN BLISTER DI ALTA QUALITÀ A PARTIRE DA UN AMPIA GAMMA DI
MACCHINE E SERVIZI PER IL CONFEZIONAMENTO IN BLISTER CHE OFFRONO FLESSIBILITÀ E IMBALLI IN BLISTER DI ALTA QUALITÀ A PARTIRE DA UN AMPIA GAMMA DI MATERIALI DA IMBALLO. 06 1. SOLUZIONI PER L IMBALLO 07
Dettagli3 Confronto fra due popolazioni attraverso il test t e test analoghi
3 Confronto fra due popolazioni attraverso il test t e test analoghi Consideriamo in questo capitolo gli esperimenti comprendenti un solo fattore fisso, e nel loro ambito quelli in cui questo criterio
DettagliESERCITAZIONE A. Analisi di dati sperimentali PARTE 1: INFERENZA
Università degli Studi di Padova Facoltà di Scienze MM.FF.NN. Corso di Laurea Magistrale: Biologia Sanitaria Insegnamento: Statistica Applicata Docente: Prof.ssa Alessandra R. Brazzale Esercitatore: Dott.ssa
DettagliET CONTROLLO CORRENTI INDOTTE CORSO PER OPERATORI DI II LIVELLO TOTALE ORE : 88 PARTE 1 - PRINCIPI DEL CONTROLLO CON CORRENTI INDOTTE 1.1) Scopo e limitazioni del metodo di controllo con correnti indotte
DettagliEsercitazione di riepilogo 23 Aprile 2013
Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)
DettagliRappresentazioni grafiche
Rappresentazioni grafiche Domenico Vistocco vistocco@unicas.it Dipartimento di Scienze Economiche UNIVERSITÀ DI CASSINO Corso di Statistica Le elaborazioni e i grafici sono stati ottenuti con il software
DettagliRappresentazioni grafiche
Rappresentazioni grafiche Domenico Vistocco vistocco@unicas.it Dipartimento di Scienze Economiche UNIVERSITÀ DI CASSINO Corso di Statistica Le elaborazioni e i grafici sono stati ottenuti con il software
DettagliTRW Automotive Italia! "! #$ % & '
TRW Automotive Italia! "! #$ % & ' 1 ' & - ' ) * ) +, -. /, -, - ' * + 2 2 & - 1 1 & 2' / 3 ' / 4 & / & 5 6++ + +. 0, - - + 3 7 # 3 & - 1 -, ' - * -, ), 8&' ) I P O 9: +2 ; ; ? >9 =
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliLezione. Tecnica delle Costruzioni
Lezione Tecnica delle Costruzioni Collegamenti saldati Procedimenti di saldatura Sorgente termica che produce alta temperatura in modo localizzato Fusione del materiale base più il materiale di apporto
DettagliEsercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009
Esercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009 Esercizi di statistica descrittiva 1. Secondo i dati ISTAT 1997 sull occupazione, la Lombardia e il Veneto presentano le seguenti distribuzione
DettagliRILIEVO DANNI CAUSATI DA SCARICHE ELETTRICHE AD ELEVATA TENSIONE SU FUNI DI IMPIANTI FUNIVIARI
Facoltà di Ingegneria Corso di Laurea in Ingegneria Industriale RILIEVO DANNI CAUSATI DA SCARICHE ELETTRICHE AD ELEVATA TENSIONE SU FUNI DI IMPIANTI FUNIVIARI Relatore Prof. Vigilio Fontanari Laureando
DettagliContinua sul retro 42.1 39.7 38.0 38.7 41.4 37.5 38.6 40.5 39.8 38.0 36.9 40.3 42.0 41.3 40.4 39.1 38.4 42.0
Statistica per l azienda Esame del 19.06.12 COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato
DettagliLABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
DettagliR e il mondo aleatorio - Parte II -
R e il mondo aleatorio - Parte II - Statistiche in R Paola Lecca, CIBIO - UNITN Corso di Matematica e Stastistica 2 Testo di riferimento S. M. Iacus, G. Masarotto, Laboratorio di statistica con R, McGraw-Hill.
DettagliIntroduzione a R. Andrea Benazzo Dip. Scienze della vita e Biotecnologie
Introduzione a R Andrea Benazzo E-mail: andrea.benazzo@unife.it Dip. Scienze della vita e Biotecnologie Caratteristiche di R Linguaggio ad alto livello interpretato Dotato di insiemi di operatori ad alto
Dettagli